Після виявлення позитивної або негативної кореляції необхідно встановити, наскільки вона тісна. На це вказує коефіцієнт кореляції, який позначають буквою г. Величина г варіює в діапазоні від -1 до +1. У разі прямо пропорційної залежності однієї ознаки від іншої коефіцієнт кореляції дорівнює одиниці (тобто ознака корелює сама із собою). Негативний коефіцієнт кореляції свідчить про різну спрямованість варіювання ознак: при збільшенні одного інший зменшується, і навпаки.
Зазвичай виявляють кореляції з коефіцієнтами, що знаходяться в діапазоні між нулем (відсутність кореляції) і одиницею (ідеальна кореляція), і чим ближче значення r ±1, тим тіснішим є зв'язок. Значення г виражають в десяткових дробах (наприклад, -0,23; + 0,5). При низьких значеннях г (зазвичай низькими вважають значення, що не перевищують 0,2 при n < 30) кореляція, як правило, не є статистично значущою.
Нульова величина коефіцієнта кореляції свідчить про відсутність взаємозв'язку між ознаками, але це трапляється дуже рідко, бо у психічній сфері всі явища взаємопов'язані (переважно опосередковано, ці зв'язки можуть виявлятися лише на рівні тенденцій).
Враження, що значення г є безпосереднім показником сили кореляції, не є правильним. Наприклад можна дійти висновку, що, оскільки при ідеальній позитивній кореляції r = +1, то r = 0,7 відповідає 70% ідеальної кореляції (або r = 0,4 відповідає 40% ідеальної негативної кореляції). Насправді коефіцієнт кореляції є оманливим числом. Щоб знайти, яку відсоткову частку від ідеальної кореляції становить дане значення г, необхідно піднести його до квадрата, а результат помножити на 100. Якщо r = 0,7, то така кореляція становить 49% від ідеальної (0,7 0,7 o 100 = 49). Так само негативна кореляція г в - 0,4 становить 16% від ідеальної негативної кореляції. Тому "ступінь ідеальності" кореляції може бути набагато меншим, ніж видається, якщо зважати на значення г.
Фахівці статистики вважають, що коефіцієнт кореляції вказує на частку змін однієї змінної, які можна передбачити за змінами іншої. Існує багато методів вимірювання кореляції, і вибір конкретного методу залежить від типу даних.
Алгоритм обчислення коефіцієнта кореляції Пірсона (r) є мірою кореляції між двома змінними, розподіленими за нормальним законом (наприклад, для виявлення взаємозв'язку рівня розвитку інтелекту й адаптивних можливостей особистості) (рис. 2.10). Перевага цього методу полягає в тому, що на величину кореляції не впливає те, в яких одиницях вимірювання представлені ознаки. Недоліком методу є складність математичних обчислень, особливо для великих масивів даних. Його усувають застосуванням прикладних програм (наприклад, Excel).
Таблиця 2.10. Таблиця розрахунку коефіцієнта кореляції Пірсона на прикладі реальних емпіричних даних
Отримані з обчислень дані перевіряють на значущість за таблицею критичних значень (табл. 2.11).
За неможливості дотримання цих вимог, а змінні є обчисленими за порядковою шкалою (чи переведені за нею), доцільніше використовувати (особливо за малого обсягу даних) як міру зв'язку непараметричну статистику.
Таблиця 2.11. Критичні значення rху (для рівнів значущості 0,05 і 0,01)
Непараметричним еквівалентом цієї оцінки є коефіцієнт кореляції Снірмена (р) (наприклад, для порівняння порядку приходу до фінішу одних і тих самих бігунів у двох забігах або виявлення зв'язку між успішністю з математики і часом розв'язання арифметичної задачі), що вираховують за формулою:
Обчислення значень для цієї формули представлено у табл. 2.12.
Таблиця 2.12. Алгоритм розрахунку значень коефіцієнта кореляції Спірмена (р)
Сторінки
В нашій електронній бібліотеці ви можете безкоштовно і без реєстрації прочитати «Психодіагностика» автора Галян І.М. на телефоні, Android, iPhone, iPads. Зараз ви знаходитесь в розділі „Застосування непараметричної і параметричної статистик при обробленні емпіричних даних“ на сторінці 7. Приємного читання.
